多维度动态增强核磁共振乳房区域全自动分割

提出了一种基于乳房水平面与乳房矢状面相结合的多维度DCE-MRI乳房图像全自动分割方法。方法分为3部分,即基于乳房水平面的分割,基于乳房矢状面的分割,以及水平面与矢状面相结合的分割方法。首先,基于水平面的分割方法通过阈值确定乳房外边缘,经过梯度算法后,根据乳房与胸大肌分界面的特点设定约束条件,得到分界面的分割曲线。其次,基于乳房矢状面的分割方法使用双边滤波、边缘提取法对图像预处理,分区计算分割曲线。最后,矢状面的分割结果根据图像三维大小按比例映射到水平面上,将两者的分割结果结合,然后根据相邻图像之间的相关性,从而进行优化,输出分割结果。通过对24例DCE-MRI病例测试,与手动分割得到的结果对比,平均重叠率为93．33％,平均差异度为8．14％。     

乳腺MRI图像肿块分割的分段比较与方法研究

计算机辅助诊断通过对乳腺磁共振成像( MRI)中肿块区域的自动分割和测量为医生提供定量的诊断依据。对分割过程中不同阶段的多种算法进行实验对比,以此探索更具稳定性和准确性的分割方案：空间模糊C均值( sFCM)聚类算法在肿块的初始定位中具有抗噪声能力和稳定性强的优点,而GVF snake模型在精细分割中对局部轮廓具有较好的收敛性;结合两种算法,并运用MRI序列帧间灰度分布相似、肿块位置/形状相近的原理,最终提高整个序列的分割精度与稳定性。     

基于改进Marching Cubes算法的乳腺MRI肿块三维重建

核磁共振成像MRI(Magnetic Resonance Imaging)是目前乳腺癌肿块诊断的常用辅助手段,对图像的正确解析是关键,针对传统MC(Marching Cubes)面绘制算法应用于乳腺MRI图像的不足,提出了改进方法。首先利用乳腺MRI序列图相邻帧间图像灰度分布的相似,肿块组织形状相近等相关性,在RSF(Region-Scalable Fitting)模型的基础上利用初始轮廓迭代的方法提取肿块区域。接着将多组参数下获得的结果,依据每一帧与其前后帧的重叠面积越大越好作为条件进行筛选,使提取的等值面最优化。最后采用基于加权二次误差度量的三角形折叠方法,对面绘制产生的大量三角网格进行了简化。将所提出的改进方法应用于30例乳腺MRI序列图,实验结果表明,对于乳腺MRI肿块的三维重建在精度和绘制速度上都比使用传统MC算法有很大提高。     

一种基于神经网络的矢量量化零冗余度信道编码方法

本文提出一种新的基于神经网络的矢量量化零冗余度信道编码方法,该方法能有效地降低矢量量化编码系统在有噪信道下的平均失真。     

基于眼动感知信息的彩色图像感兴趣区域提取算法

提出了一种由眼动感知信息引导区域生长的彩色图像感兴趣区域提取算法.在对被试眼动感知数据分析的基础上,算法首先提取感兴趣位置点,然后以这些点的邻域信息作为种子点,在特定的颜色空间中采用颜色同质准则提取出一系列初始感兴趣区域,最后将这些区域按照被试的"关注度"进行排序得到最终的感兴趣区域.算法在RGB、HSV、L*a*b等...     

图象信号Walsh—Hadamard变换域中的乘积码矢量量化

近几年来,矢量量化在图象高效编码的应用研究中展示出值得注意的性能。本文探讨了变换域矢量量化的压缩机理,为有效地将变换技术与矢量量化相结合,基于Walsh-Hadamard变换(WHT)的特性提出WHT域乘积码矢量量化(WHT-PC-VQ)方案。WHT-PC-VQ的复杂度较低。模拟实验结果表明其性能优于其它非自适应图象编码方案。WHT域中的矢量量化比DCT域中的矢量量化更具潜力。这表明矢量量化与传统技术相结合所面临的新问题是矢量量化应用研究中的重要课题。     

一种基于GDLPP的人脸识别算法

针对人脸识别中的特征提取问题,本文提出了一种结合Gabor小波特征和判别保局投影的人脸识别算法-GDLPP.该算法首先对人脸图像进行多分辨率的Gabor小波变换,提取样本的高阶统计信息;然后更改保局投影(LPP)的目标函数,增加样本类间散布约束,从而提取更具判别性的特征.本文采用最小近邻分类器估算识别率.在USPS数据库、Yale人脸库以及AR人脸库的测试结果表明,在姿态、光照、表情、训练样本数目变化的情况下,GDLPP都具有较好的识别率.     

基于特性模型与神经网络的乳腺图像肿块自动检测技术

钼靶X线摄影是最常用的乳腺癌早期诊断手段。该文针对乳腺图像中的肿块提出了一种基于特性模型与神经网络的计算机辅助诊断技术。它首先建立两种特性模型分别描述脂肪组织和腺体组织中的肿块;然后对脂肪中的肿块采用迭代阈值法进行检测,对腺体中的肿块采用小波域黑洞检索法进行标记;接着采用一种基于Canny算子和能量场约束以及ANFIS控制的填充膨胀方法分割疑似肿块;最后使用一种MLP分类器剔除假阳性。实验结果表明,该算法在面对特性迥异的多种肿块时可取得较高的检测精度,并保证较低的假阳性率。     

动态增强影像特征与乳腺癌预后的关联性研究

探讨动态增强影像(DCE-MRI)特征与乳腺癌预后之间的关联性。首先,在61例包含影像和生存数据的数据集中,利用Cox多元回归分析互不相关的特征,找出与无病复发生存(RFS)独立相关的影像特征。然后,在87例包含DCE-MRI和基因表达数据的数据集中,使用弹性网络(elastic-net)回归模型建立影像特征的多基因标签。最后,在独立验证数据集中,测试多基因标签的预后价值。结果显示,纹理特征逆差分与RFS具有最强的独立关联(p=0.034 4)。使用elastic-net回归模型建立了纹理特征逆差分的74基因标签(R^2=0.937),在独立验证数据集中,使用74基因标签把患者分为两组,对不同生存风险水平的RFS(log-rank P=0.011)和总生存期(OS,log-rank P=0.029)进行分层。结果表明,DCE-MRI影像特征对预测乳腺预后有潜在价值。     

基于Multi-Agent的乳腺钼靶图像肿块分类方法

钼靶摄影是目前使用最广泛的乳腺癌早期诊断技术,恶性肿块是钼靶图像中乳腺癌变的一种重要表现。本文提出了一种基于Multi-Agent(多智能体)的多分类器融合乳腺肿块分类方法。首先将单分类器的结果作为初状态输入到各Agent(智能体),接着通过引入决策共现矩阵,利用分类器之间的决策相关信息,在Agent之间进行信息交流,指导各个Agent向不同类别溯源,从而通过Agent之间的信息交互改变溯源概率,最终达到群体决策,得到决策类别。良性恶性肿块在形状和边缘上的差异较大,本文主要使用肿块的边缘特征和形状特征,并提出了两个新的边缘特征。实验采用了美国南佛罗里达大学的DDSM数据库作为实验数据,从中随机挑选了64个恶性肿块和64个良性肿块。实验结果表明,Multi-Agent融合算法的分类精度达94.87%优于传统的融合算法和经典的单分类器算法,其稳定性能也较融合算法及大多数单分类器的效果要好(略低于BP算法)。同时,实验结果也表明所提出的特征在表征肿块的良性恶性时起到了较好的作用。